深度细粒度图像识别研究综述

来源：南京信息工程大学学报·自然科学版杂志2019年第6期北京时间：

作者：邓旭冉

单位：邓旭冉,中国科学技术大学 信息科学技术学院, 合肥, 230026,闵少波,中国科学技术大学 信息科学技术学院, 合肥, 230026,mbobo@mail.ustc.edu.cn徐静远,中国科学技术大学 信息科学技术学院, 合肥, 230026,李攀登,中国科学技术大学 信息科学技术学院, 合肥, 230026,谢洪涛,中国科学技术大学 信息科学技术学院, 合肥, 230026,张勇东,中国科学技术大学 信息科学技术学院, 合肥, 230026

摘要：细粒度图像分类是计算机视觉中一项基础且重要的工作，其目的在于区分难以辨别的对象类别（例如不同子类的鸟类、花或动物）.不同于传统的图像分类任务可以雇佣大量普通人标注，细粒度数据集通常需要专家级知识进行标注.除了视觉分类中常见的姿态、光照和视角变化因素之外，细粒度数据集具有更大的类间相似性和类内差异性，因此要求模型能够捕捉到细微的类间差异信息和类内公有信息.除此之外，不同类别的样本存在不同程度的获取难度，因此细粒度数据集通常在数据分布中表现出长尾的特性.综上所述，细粒度数据分布具有小型、非均匀和不易察觉的类间差异等特点，对强大的深度学习算法也提出了巨大的挑战.本文首先介绍了细粒度图像分类任务的特点与挑战，随后以局部特征与全局特征两个主要视角整理了目前的主流工作，并讨论了它们的优缺点.最后在常用数据集上比较了相关工作的性能表现，并进行了总结与展望.

关键词：细粒度图像识别;深度学习;局部区域检测;双线性池化

基金资助：国家重点研发计划（2017YFC0820600）